面向INS数据分类的鲁棒性无监督聚类方法

发布时间：2018-01-15 16:33

本文关键词：面向INS数据分类的鲁棒性无监督聚类方法　出处：《仪器仪表学报》2016年01期 　论文类型：期刊论文

【摘要】：针对惯性导航系统(INS)中加速度计、陀螺仪测量误差随时间积累的问题,提出了一种基于内核模糊C均值的无监督广度优先搜索聚类算法(RUCM),用于INS模块采集数据的去噪及其运动阶段的分类划分。RUCM通过广度优先搜索方法遍历相邻的数据,使用阈值确定聚类数目,同时引入高斯核函数提高RUCM对噪声和异常点干扰的鲁棒性,并验证了其收敛性和鲁棒性。最后,在基于MEMS的INS模块实物系统中验证了该算法,结果表明所提出的方法能够提高随机采样INS数据的聚类性能,抑制了噪声干扰,使其INS运动阶段的聚类划分更加清晰与明确。
[Abstract]:Aiming at the accumulation of accelerometers and gyroscopes with time in inertial navigation system (ins), an unsupervised breadth-first search clustering algorithm based on kernel fuzzy C-means (RUCM) is proposed. INS module for data denoising and classification of the motion phase. RUCM traverses adjacent data by breadth-first search method and uses threshold to determine the number of clusters. At the same time, Gao Si kernel function is introduced to improve the robustness of RUCM to noise and outlier interference, and to verify its convergence and robustness. Finally, the algorithm is verified in the physical system of INS module based on MEMS. The results show that the proposed method can improve the clustering performance of randomly sampled INS data, suppress noise interference, and make the clustering division of INS motion phase clearer and clearer.
【作者单位】：上海大学机电工程与自动化学院上海市电站自动化技术重点实验室;鲁东大学信息与电气工程学院;
【基金】：国家自然科学基金(61403244) 上海市科委“扬帆计划”(14YF1408600)、上海市科委重大基础研究(14JC1402200)项目资助上海市经信委“产学研”合作计划(CXY-2013-71)
【分类号】：TP391.41
【正文快照】： 1引言惯性导航系统(inertial navigation system,INS)通过加速度计、陀螺仪获取运动载体的加速度及角度信息以估算自身位置及姿态,其广泛应用于机器人、飞机、潜艇、导弹等军用、民用装备之上。由于INS中加速度计、陀螺仪测量值存在一定的积累误差,为了后续算法能够有效估算

【共引文献】